في عالم الذكاء الاصطناعي، يظل تقييم الأنظمة التي تتفاعل مع البشر تحديًا كبيرًا، خاصة عندما يتعلق الأمر بفهم سلوكياتها عبر مجموعات سكانية متنوعة. عادةً ما يكون جمع بيانات تمثيلية عن البشر مرتفع التكاليف وقد يكون مستحيلًا، خاصًة في السياقات الجديدة أو الافتراضية. هنا تأتي الابتكارات في نمذجة الوكلاء التوليدية (Generative Agent-Based Modeling) لتغير اللعبة.

قد أظهرت الأبحاث الأخيرة أن النماذج اللغوية الضخمة (Large Language Models) قادرة على محاكاة شخصيات رقمية اصطناعية شبيهة بالبشر بدقة عالية، مما يمكنها من إعادة إنتاج المعتقدات والسلوكيات الخاصة بأفراد محددين. لكن غالبية الطرق المعتمدة كانت تتطلب بيانات تفصيلية حول الفئات المستهدفة، وتركزت حول تكرار ما هو الأكثر احتمالًا، مما أدى إلى تجاهل سلوكيات نادرة وغير مستكشفة.

لذا، تم تقديم مفهوم جديد يعرف باسم "مولدات الشخصيات" (Persona Generators)، وهي دوال قادرة على إنتاج مجموعة متنوعة من الشخصيات الاصطناعية المصممة خصيصًا لسياقات معينة. تستخدم هذه العملية حلقة تحسين تكرارية تعتمد على AlphaEvolve، حيث تستخدم النماذج اللغوية الضخمة كعوامل طفرة لتطوير شفرة مولدات الشخصيات على مدى مئات التكرارات.

تتيح عملية تحسين هذه المولدات إنتاج مولدات شخصيات خفيفة الوزن، يمكنها تلقائيًا توسيع أوصاف صغيرة إلى مجموعات متنوعة من الشخصيات الاصطناعية، مما يزيد من تغطية الآراء والتفضيلات على محاور التنوع ذات الصلة. وقد أثبتت التجارب أن هذه المولدات المتطورة تتفوق بشكل كبير على المعايير الحالية في ستة معايير تنوع، مما ينتج عنه مجموعات تمثل تركيبات نادرة من الصفات يستحيل تحقيقها في مخرجات النماذج اللغوية التقليدية.

هذا التطور في تقنية توليد الشخصيات الاصطناعية يمثل خطوة كبيرة نحو تحسين تفاعلات الذكاء الاصطناعي مع البشر، ويوسع أفكارنا حول كيفية تقييم هذه الأنظمة بشكل أكثر شمولًا.